MLE agent
0.4.2
？父親對Kaia的愛？
文檔| ？報告問題|加入我們的不和諧
MLE代理被設計為機器學習工程師和研究人員的配對LLM代理。它的特徵是：
Auto-Kaggle模式發布0.4.2 ，以最少的努力來完成端到端的競爭。MLE report ， MLE kaggle ， MLE integration和Mistral等許多新模型等新CLIS發布0.4.0 。0.3.0 ，具有巨大的重構，許多集成等（v0.3.0）0.2.0 （v0.2.0）pip install mle-agent -U
# or from source
git clone [email protected]:MLSysOps/MLE-agent.git
pip install -e .mle new < project name >並且將在當前路徑下創建項目目錄，您需要在項目目錄下啟動項目。
cd < project name >
mle start您還可以在項目目錄下的終端中啟動交互式聊天：
mle chatMLE代理可以幫助您使用給定要求的ML基線原型，並在本地機器上測試模型。需求可能是模糊的，例如“我想根據歷史數據來預測股票價格”。
cd < project name >
mle startMLE代理可以幫助您總結您的每週報告，包括開發進度，通信說明，參考和待辦事項列表。
cd < project name >
mle report然後，您可以訪問http：// localhost：3000/以在本地生成報告。
cd < project name >
mle report-local --email= < git email > --start-date=YYYY-MM-DD --end-date=YYYY-MM-DD < path_to_git_repo >--start-date和--end-date是可選參數。如果省略，該命令將生成最近7天默認日期範圍的報告。<git email> <path_to_git_repo>使用通往本地git存儲庫的路徑。MLE代理可以參與Kaggle競賽，完成從數據準備到模型培訓的完成編碼和調試。這是啟動Kaggle競賽的基本命令：
cd < project name >
mle kaggle或者，如果您準備好數據集和提交文件，則可以讓代理商完成Kaggle任務，而無需人工互動：
cd < project name >
mle kaggle --auto
--datasets " <path_to_dataset1>,<path_to_dataset2>,... "
--description " <description_file_path_or_text> "
--submission " <submission_file_path> "
--sub_example " <submission_example_file_path> "
--comp_id " <competition_id> "在運行命令之前，請確保您已經加入了比賽。有關更多詳細信息，請參見MLE代理教程。
以下是我們計劃執行的任務的列表，歡迎提出一些新的東西！
我們歡迎社區的貢獻。我們正在尋找貢獻者來幫助我們完成以下任務：
如果您想貢獻，請檢查貢獻.md文件。
檢查MIT許可證文件以獲取更多信息。
